“尽管近年来产学研合作不断深化，但在实际运行中仍存在成果转化链条不畅、利益分配机制不活、风险共担机制缺失等突出问题。”全国政协委员、中国科学院院士李景虹长期深耕科研一线与产学研协同创新实践，在他看来，从实验室到生产线之间，横亘着一片技术成果极易“夭折”的“达尔文之海”，这正是当前我国科技创新，尤其是人工智能等前沿领域高质量发展必须跨越的核心障碍。

所谓“达尔文之海”，即跨越技术与成熟商品化之间的鸿沟，而且必须在后续商业进程中不断创新，实现规模领先，以获得永续生存与发展。李景虹告诉记者，高校与科研院所的科研成果多停留在实验室阶段，技术原型成熟度不足、工程化能力薄弱，难以跨越成果转化的“死亡之谷”；而企业面对高不确定性的前沿技术，普遍存在“等不起、投不进、接不住”的困境，双方价值导向、资源禀赋、风险承受能力不匹配，直接导致创新链条出现断层，大量科研成果锁在抽屉里、停在论文中。

李景虹认为，这片“达尔文之海”，在人工智能时代显得更为严峻。数据作为新型生产资料，高质量行业数据匮乏已成为AI向纵深发展的“源头之困”；传统学科壁垒阻碍交叉融合，适配新质生产力的复合型人才供给不足；科研评价“唯论文、唯项目”的惯性仍在，束缚科研人员面向产业攻关的积极性；产学研各方各自为战，缺乏稳定长效的协同机制，前沿技术攻关难以形成合力。

“要以系统性思维破除体制机制障碍，充分发挥新型举国体制优势，推动教育、科技、人才三大体系同向发力，形成推动人工智能高质量发展的整体合力。”李景虹呼吁，要建设国家级科学与工程基础数据体系，由国家数据局会同科技部、教育部等部门，统筹推进生物、能源、材料、化工、医药等关键领域科学数据标准化与开放共享，搭建国家层面科学与工程基础数据平台，破解数据孤岛，为人工智能模型训练提供系统、权威、可互操作的核心“养料”。

“要推动高等教育与AI前沿深度嫁接，在高校布局一批‘AI+X’交叉学科与交叉学院，打破院系壁垒，推动人工智能与基础学科、工程学科、人文社科深度融合；围绕国家战略与产业痛点动态调整学科专业，构建纵向贯通的AI人才培养链条；支持高校团队深度参与国家重大科技任务，在实战中培养具备前沿视野与系统思维的科技领军人才。”李景虹建议。

“构建产学研深度融合的新型创新联合体，破除制度藩篱，健全风险共担、利益共享长效机制，支持行业龙头企业与高水平研究型大学牵头，联合科研院所与产业链上下游组建创新联合体，围绕AI赋能产业的共性技术难题联合攻关。”李景虹特别指出，要坚持结果导向、过程放活，赋予科研团队充分自主权与稳定资源支持，加速科技成果从实验室走向生产线，真正跨越科技创新的“达尔文之海”。

编辑：李华山